图片去压缩失真网络的参数生成方法、装置和存储介质制造方法及图纸

本申请实施例公开了一种图片去压缩失真网络的参数生成方法、装置和存储介质，包括：通过图片降质处理获得第一样本图片的第二样本图片；通过梯度计算获得第二样本图片的第一梯度图片，并通过图片去压缩失真处理的第一网络获得第二梯度图片；通过图片去压缩失真处理的第二网络，获得第一自回归图片；通过梯度计算获得第一样本图片的第三梯度图片以及第一自回归图片的第四梯度图片；获取第二网络的多个梯度损失函数，基于第一样本图片、第一自回归图片、第二梯度图片、第三梯度图片以及第四梯度图片生成第二网络的第一损失函数，并基于多个梯度损失函数和第一损失函数更新第二网络的损失函数。本申请可以有效减小图片压缩失真，提高图片处理的效率。提高图片处理的效率。提高图片处理的效率。

【技术实现步骤摘要】
图片去压缩失真网络的参数生成方法、装置和存储介质


[0001]本申请涉及图片处理
，尤其涉及一种图片去压缩失真网络的参数生成方法、装置和存储介质。

技术介绍

[0002]随着信息技术进步，人类社会正式进入互联网时代。人们可以通过互联网获得各式各样的多媒体资源，同时随着多媒体大数据的广泛应用，多媒体资源产品是目前最炙手可热的互联网产品。然而，多媒体资源在传播过程中会因为各种原因导致多媒体资源出现失真，甚至损坏的情况。随着5g技术的发展，人们对于高质量的多媒体资源的需求越来越大。如何满足人们对高质量图片的需求以及如何获取高质量图片也成为当前亟待解决的技术问题之一。

技术实现思路

[0003]本申请实施例提供一种图片去压缩失真网络的参数生成方法、装置和存储介质，可以有效减小图片压缩失真，提高图片处理的效率，适用性强。
[0004]第一方面，本申请实施例提供了一种图片去压缩失真网络的参数生成方法，该方法包括：
[0005]获取第一样本图片，通过图片降质处理获得上述第一样本图片对应的第二样本图片；
[0006本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片去压缩失真网络的参数生成方法，其特征在于，所述方法包括：获取第一样本图片，通过图片降质处理获得所述第一样本图片对应的第二样本图片；通过梯度计算获得所述第二样本图片对应的第一梯度图片，并将所述第一梯度图片输入图片去压缩失真处理的第一网络，通过所述第一网络获得所述第一梯度图片关联的第二梯度图片；将所述第二样本图片输入图片去压缩失真处理的第二网络，通过所述第二网络获得第二样本图片关联的第一自回归图片；通过梯度计算获得所述第一样本图片对应的第三梯度图片，并通过梯度计算获得所述第一自回归图片对应的第四梯度图片；基于所述第一网络中的多个梯度模块与所述第二网络中的多个梯度模块输出的梯度信息获取所述第二网络的多个梯度损失函数，基于所述第一样本图片、所述第一自回归图片、所述第二梯度图片、所述第三梯度图片以及所述第四梯度图片生成所述第二网络的第一损失函数，并基于所述多个梯度损失函数和所述第一损失函数生成所述第二网络的第二损失函数并更新所述第二网络的损失函数为所述第二损失函数。2.根据权利要求1所述的方法，其特征在于，所述第一网络包括第一输入模块、多个第一梯度模块以及第一输出模块；所述通过所述第一网络获得所述第一梯度图片关联的第二梯度图片，包括：通过所述第一网络中包括的第一输入模块对所述第一梯度图片进行图片特征提取，以生成所述第一梯度图片的第一图片特征；通过所述第一网络中包括的多个第一梯度模块对所述第一图片特征进行梯度信息提取，以生成所述第一梯度图片关联的多个第一梯度信息；通过所述第一输出模块基于所述第一图片特征和所述多个第一梯度信息，生成所述第一梯度图片对应的第二梯度图片。3.根据权利要求2所述的方法，其特征在于，所述第二网络包括第二输入模块、多个第二梯度模块以及第二输出模块；所述通过所述第二网络获得第二样本图片关联的第一自回归图片，包括：通过所述第二网络中包括的第二输入模块对所述第二样本图片进行图片特征提取，以生成所述第二样本图片的第二图片特征；通过所述第二网络中包括的多个第二梯度模块对所述第二图片特征进行梯度信息提取，以生成所述第二样本图片关联的多个第二梯度信息；通过第二输出模块基于所述第二图片特征、所述多个第二梯度信息以及所述第二样本图片，生成所述第二样本图片对应的第一自回归图片。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一网络中的多个梯度模块与所述第二网络中的多个梯度模块输出的梯度信息获取多个梯度损失函数包括：获取通过所述第一网络中包括的多个第一梯度模块对所述第一图片特征进行梯度信息提取的过程中各个所述第一梯度模块输出的梯度信息，并获取通过所述第二网络中包括的多个第二梯度模块对所述第二图片特征进行梯度信息提取的过程中各个所述第二梯度模块输出的梯度信息；基于所述第一网络中第i个第一梯度模块输出的梯度信息和所述第二网络中第i个第
二梯度模块输出的梯度信息生成所述第二网络的第i个梯度损失函数，以获得基于所述第一网络中各个第一梯度模块输出的梯度信息和所述第二网络中各个第二梯度模块输出的梯度信息生成的所述第二网络的多个梯度损失函数。5.根据权利要求4所述的方法，其特征在于，所述第二网络的第一损失函数包括第一梯度损失函数、第二梯度损失函数以及第三梯度损失函数；所述基于所述第一样本图片、所述第一自回归图片、所述第二梯度图片、所述第三梯度图片以及所述第四梯度图片生成所述第二网络的第一损失函数包括：基于所述第三梯度图片和所述第四梯度图片生成所述第一梯度损失函数，并基于所述第二梯度图片和所述第四梯度图片生成所述第二梯度损失函数；基于所述第一样本图片和所述第一自回归图片生成所述第三梯度损失函数。6.根据权利要求4所述的方法，其特征在于，所述基于所述多个梯度损失函数和所述第一损失函数生成所述第二网络的第二损失函数包括：确定计算所述第二网络的损失函数时所述多...

【专利技术属性】
技术研发人员：谢植淮，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：